Análisis de la serie temporal de ingresos en una UCI

Originales

Análisis de la serie temporal de ingresos en una UCI J.A. RUEDA CUENCA Unidad de Cuidados Intensivos. Hospital General Universitario de Elche. Alicante.

Introducción. Los Servicios de Salud, y más concretamente las unidades hospitalarias, son sistemas que se están enfrentando en los últimos años, a severas restricciones presupuestarias; son numerosos los métodos empleados para estimar las necesidades y asignar los recursos allá donde se consideran más necesarios. Objetivo. Analizar los ingresos de pacientes en una UCI polivalente, durante los últimos 16 años (1982-1997), en un intento de conocer la tendencia de la atención en UCI, valorar las perspectivas futuras, y disponer de una herramienta válida para planificar la asignación de recursos. Método. Hemos empleado el método de descomposición en series temporales. Resultados. Los resultados muestran que la UCI analizada mantiene su ritmo de ingreso de pacientes con ligera tendencia al alza a lo largo de los años, cierto carácter estacional en verano/invierno, aunque es previsible una discreta caída de la demanda en el futuro próximo. Conclusión. El análisis de series temporales puede ser un método útil y sencillo de valorar la tendencia futura de los ingresos en la UCI. PALABRAS CLAVE: análisis temporal, demanda ingreso, UCI, planificación.

TIME SERIE ANALYSIS OF ICU ADMISSIONS Introduction. Health services, and more specifically, the in-hospital units are systems who are dealing in the last years with severe presupuestary restrictions; several methods have been employed to assess the needs and to allocate the resources.

Correspondencia: Dr. J.A. Rueda Cuenca. Ptda Alzabares Alto, 211. Elche 03290. Alicante. Manuscrito aceptado el 21-IX-1999.

Object. To analyze the admission of patients in a polivalent ICU during the last 16 years (19821997), in order to assess the trends of ICU assistance, the future trends, and to have a useful tool to planify allocation of resources. Method. We have employed the method of time series analysis. Results. Results show that the analyzed ICU had a slowly increasing trend for patients’ admission, some seasonal summer/winter variations, being previsible a slow depression of the future demands. Conclusions. Time series analysis can be an easy and useful method to assess future trends of ICU admissions and resource planification. KEY WORDS: Time series analysis, ICU admission, planification. (Med Intensiva 2000; 24: 1-7)

INTRODUCCIÓN Los servicios de salud son sistemas cuya misión fundamental es tratar de devolver la salud perdida a los individuos y a la sociedad en general1; pero las fuerzas del mercado, aunque se trate de un sector claramente intervenido, tienen un poder mucho mayor de lo que se preveía hace unos años sobre la aplicación de los cuidados médicos, tendiendo claramente a la minimización de costes2. Las Unidades de Cuidados Intensivos (UCI) son un neto exponente de este consumo de recursos, ya que se considera que la UCI consume entre el 15% y el 20% del presupuesto hospitalario3 y, en algunos casos, cerca del 1% del producto interior bruto (PIB)4 nacional. A la hora de asignar la dotación a la UCI, por lo general, se tiene presente (costumbre de presupuestos continuistas, no en base cero), el gasto del ejercicio anterior, los indicadores de rendimiento y, en ocasiones, se puede introducir un factor corrector sobre las previsiones futuras; al diseñar una nueva UCI, se calcula el número de camas, por lo general, en función 1

MEDICINA INTENSIVA, VOL. 24, NÚM. 1, 2000

del tamaño del hospital, aunque hay otras formas, como la de Bridgman, igualmente empleadas4-7. Existen asimismo numerosas recomendaciones para seleccionar los pacientes a ingresar en la UCI; la mayor parte de ellos, se basan en criterios de gravedad (ya conocidos APACHE y SAPS en sus diferentes versiones8-12). Sin embargo, no es corriente emplear técnicas de econometría para analizar las tendencias de la demanda en estos casos, aunque se han realizado numerosas tentativas para abordar con un enfoque multidisciplinario la evaluación económica de los recursos13,14. La mayor parte de los estudios se encaminan hacia la identificación de predictores del desenlace del paciente, sin considerar otros factores, una vez construida y puesta en marcha la unidad. El conocimiento de la tendencia futura puede ser útil para planificar la asignación de recursos; la constatación de variaciones en la presión asistencial puede permitir mejorar la distribución de aquellos. En el presente trabajo hemos tratado de investigar si la ocupación y los ingresos en una UCI polivalente siguen alguna función determinada, y si esta función es susceptible de ser analizada y prevista, empleando herramientas que son más comunes a otras disciplinas. MATERIAL Y MÉTODOS Para este estudio, hemos tomado la relación ordinal de pacientes ingresados en la UCI del Hospital General Universitario de Elche, desde el mes de enero de 1982 hasta el mes de diciembre de 1997, ambos inclusive, un total de 192 meses. Los datos se han obtenido del libro de registro de ingresos de la unidad; por tanto, se ha considerado “ingreso” aquella anotación del libro donde figuraba un paciente con un número de orden; no se han tenido en cuenta otros datos censales ni asistenciales como edad, sexo, diagnóstico, datos al alta, etc; simplemente se ha considerado un paciente como ingresado en UCI si estaba apuntado en el libro, asumiendo a priori que si el enfermo fue ingresado, fue porque el médico lo consideró necesario. El índice de ocupación se ha calculado dividiendo la ocupación real por la ocupación máxima teórica, expresado en porcentaje. El número de datos disponible es suficiente para poder realizar con fiabilidad el estudio de la serie temporal; se ha aplicado el método de descomposición de series cronológicas por la razón a las medias móviles, cuyo objetivo fundamental consiste en extrapolar los factores que explican el comportamiento de la serie, separándolos de las fluctuaciones aleatorias. Mediante este método, se pueden identificar los cuatro componentes habituales que justifican el comportamiento evolutivo de la serie en el tiempo: el factor de la tendencia, que globaliza la proyección lineal a largo plazo de la serie, representado por una línea recta que elimina interferencias debidas al azar; el componente cíclico, que refleja las variaciones seculares de la serie; el componente estacional, reflejo de las variaciones estacionales de la serie, y 2

el componente aleatorio. Así, se puede tener una estimación de la demanda, mediante la fórmula: D=T·C·E·A siendo D la demanda a analizar, T el factor tendencia, C el componente cíclico, E el factor estacional, y A el componente aleatorio. Para analizar la tendencia se ha empleado el método de los mínimos cuadrados15 y para valorar la correlación entre ambas series, (ocupación e ingresos) la regresión múltiple. Los datos han sido incluidos y analizados en la hoja de calculo Excel del paquete Microsoft Windows 97 y SPSS para Windows. RESULTADOS Los datos de la serie bruta de ingresos y ocupación figuran en las tablas 1 y 2; la serie desestacionalizada de ingresos y ocupación figuran en las tablas 3 y 4; la figura 1 muestra la media mensual y el índice de variación estacional de los ingresos y ocupación en los meses estudiados. En el total de los 16 años analizados, se han ingresado 6.697 pacientes, lo que representa una media de 35 enfermos al mes con una desviación estándar de 6,19. El mes en que se ingresaron menos enfermos (22), fue noviembre de 1996, y en el que más, marzo de ese mismo año, con 51. Estos enfermos generaron un total de 34.979 estancias, con una ocupación media del 104,89% y una desviación estándar de 24,67; la máxima ocupación se registró en marzo de 1996, con un 186,11%, y la mínima en febrero de 1982, con un 49,44%. Con el método de los mínimos cuadrados se obtiene una recta de tendencia, cuya fórmula para la serie de ingresos es Y = –5.461 + 58 X, y para la serie de ocupación Y = -2,73 + 17,99 X. Tomando como variable dependiente el índice de ocupación, y como variable independiente los ingresos, mediante un análisis de regresión múltiple se obtendría una relación en que la ocupación seria igual a una constante “a”, mas un factor multiplicador de los ingresos “b”, más el factor tiempo; es decir O = a + b · I + T, siendo O la ocupación, I los ingresos, y T el tiempo. Esta fórmula tendría la siguiente expresión: O = 27,26 + 2,10 I + 0,020 T (intervalos de confianza al 95% entre 10,11 y 44,42 para a y entre 1,61 y 2,58 para b), R = 0,278. DISCUSIÓN Del método La econometría es la rama de la estadística que trata de caracterizar las relaciones entre variables económicas de naturaleza estadística16. El método de las razones a la media móvil15-17, de gran sencillez, se basa en estimar el movimiento estacional a partir de la tendencia obtenida por el método de las medias móviles. Dada la serie por meses, y para varios años, se determina la media móvil del período de doce meses, con lo cual se obtiene la media centrada

J.A. RUEDA CUENCA– ANÁLISIS DE LA SERIE TEMPORAL DE INGRESOS EN UNA UCI

TABLA 1. Serie bruta de ingresos en la UCI durante el período estudiado Año

82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 Media DE IVE

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Agosto

Septiembre

Octubre

34 29 40 33 34 32 32 32 49 40 37 37 33 35 38 44

24 24 23 23 38 28 36 35 26 33 36 41 40 43 37 39

28 38 35 33 33 25 34 34 44 37 30 50 35 44 51 40

25 36 36 31 32 28 34 42 35 35 29 33 36 41 36 31

29 34 31 24 29 28 36 33 44 29 36 43 40 43 45 33

36 32 43 24 27 32 39 32 48 32 34 44 34 32 49 47

29 31 37 39 36 30 41 24 32 39 44 35 36 39 32 47

30 30 27 31 39 36 39 37 27 25 38 33 33 44 36 46

30 34 34 24 33 32 35 35 22 30 32 34 31 39 41 36

29 35 30 26 40 30 39 33 26 30 38 34 41 32 42 32

33 23 35 32 44 26 42 34 26 34 38 36 45 50 22 32

42 41 30 31 35 27 42 40 31 30 42 41 36 37 39 43

32,63 4,79 92,686

33,56 5,15 96,005

34,50 8,00 99

36,69 5,35 103,379

36,19 32,88 36,94 33,75 34,81 36,56 35,69 34,44 5,13 7,06 7,33 4,43 6,52 7,59 5,91 6,03 103,709 94,882 105,784 97,463 98,877 103,09 108,76 97

Noviembre Diciembre Total Media anual

369 387 401 351 420 354 449 411 410 394 434 461 440 479 468 470

30,75 32,25 33,42 29,25 35,00 29,50 37,42 34,25 34,17 32,83 36,17 38,42 36,67 39,92 39,00 39,17

DE: desviación estándar; IVE: índice de variación estacional; UCI: Unidad de Cuidados Intensivos.

series cronológicas, o análisis de series temporales, se considera un método muy adecuado para estudios previsionales a corto plazo, ya que la consideración del factor cíclico en la serie requiere, al menos, diez años17, en discrepancia con otros autores que estiman que para el análisis de la tendencia basta con uno18. En nuestro caso, hemos preferido aceptar la hipótesis multiplicativa, que nos permite suponer que la variación estacional representa el mismo porcentaje del valor de la tendencia; era necesario no considerar variables retardadas (aquellas cuyos efectos sobre el resultado se distribuyen a lo largo de un cierto número de períodos de tiempo), sino tener en cuenta los datos disponibles en bruto, sin admitir perturbaciones en el segundo miembro de la ecua-

del primer año: este valor corresponde al central, es decir, día uno de julio; la siguiente media, agosto, se calcula tomando los valores de febrero de ese año a febrero del año siguiente; y así, sucesivamente; estas medias recogen los valores de los componentes de la tendencia y cíclico. La relación entre la cifra de ingresos y la media móvil correspondiente representa el grado de divergencia entre el valor real de ese período y el valor de la media anual; promediando las ratios específicas de cada mes en los diferentes años en estudio, se obtiene el factor estacional, el cual nos proporciona el índice mensual de estacionalidad, libre ya de fluctuaciones aleatorias; este valor arroja la relación entre el valor mensual y el valor anual medio. Este método, de descomposición en

TABLA 2. Serie bruta de índice de ocupación de la UCI durante el período estudiado Enero

Febrero

Marzo

Abril

Mayo

Junio

82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97

Año

92,78 79,44 85,56 88,89 122,22 90,00 107,22 111,67 158,89 95,56 107,22 122,78 137,22 160,00 128,33 129,17

49,44 53,33 76,11 65,66 118,33 90,56 129,44 108,89 137,22 170,56 121,67 122,78 113,89 122,22 145,00 110,00

78,89 78,33 90,00 91,67 96,11 84,44 113,89 118,89 125,00 171,67 101,67 141,11 123,33 138,89 186,11 104,58

76,11 83,33 74,44 83,89 101,67 85,00 102,22 116,11 117,78 76,11 71,11 107,22 119,44 143,89 84,44 51,25

65,00 83,89 93,89 98,33 77,78 123,33 128,89 112,22 87,22 75,56 116,11 140,00 104,44 121,11 121,11 81,67

78,89 79,44 98,33 80,00 93,33 103,89 105,00 81,67 165,00 68,89 112,78 83,89 95,00 93,89 93,75 94,17

Media DE IVE

108,59 24,06 111,74

108,44 33,54 108,74

115,29 31,73 108,74

93,38 101,91 23,45 22,14 91,3 101,37

Julio

Agosto

Septiembre

Octubre Noviembre Diciembre

65,00 61,11 68,33 90,00 63,33 87,78 86,11 72,22 78,33 72,78 88,89 90,56 76,11 77,78 97,22 110,00 89,44 65,00 95,00 97,22 93,33 90,56 90,56 111,67 144,44 96,11 82,78 112,22 104,44 80,56 114,44 120,00 103,33 125,66 116,67 91,67 98,33 113,33 112,22 114,44 90,00 99,44 69,44 90,00 58,33 133,89 58,33 71,67 112,22 83,33 133,33 131,11 96,67 97,78 114,44 73,33 95,56 86,67 102,78 115,00 95,00 83,33 92,22 95,56 147,22 100,00 137,22 125,56 105,00 143,89 97,92 73,33 75,00 66,67 72,92 78,33 98,75 75,83 112,08 72,08

95,50 96,81 21,78 18,87 94,11 102,67

93,50 21,78 91,02

87,14 18,62 85,62

98,57 15,46 96,11

95,07 29,62 98,33

Total

Media anual

874,99 808,87 1.046,67 1.090,10 1.243,89 1.155,55 1.371,76 1.301,66 1.288,32 1.209,46 1.294,45 1.305,01 1.308,32 1.545,56 1.230,41 1.089,99

72,92 67,41 87,22 90,84 103,66 96,30 114,31 108,47 107,36 100,79 107,87 108,75 109,03 128,80 102,53 90,83

103,62 1.197,81 18,38 184,37 103,17

99,82 15,36

86,11 106,11 97,78 125,00 103,89 102,22 105,00 122,22 90,00 91,67 90,56 113,89 101,67 153,89 85,83 82,08

DE: desviación estándar; IVE: índice de variación estacional; UCI: Unidad de Cuidados Intensivos.

3

MEDICINA INTENSIVA, VOL. 24, NÚM. 1, 2000

TABLA 3. Serie desestacionalizada de ingresos en la UCI durante el período estudiado Año

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Agosto

Septiembre

Octubre

Noviembre

Diciembre

82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97

90,155 119,403 109,695 108,511 96,000 97,959 86,009 128,571 129,73 113,846 92,500 91,897 91,304 91,751 118,386

74,227 67,647 76,033 122,252 85,279 107,196 97,902 68,421 105,04 109,367 104,459 111,111 111,447 90,612 101,518

117,526 103,704 107,902 103,937 76,726 100,493 95,550 118,386 118,400 88,235 128,755 97,222 111,392 126,971 101,911

110,204 160,667 104,202 98,462 86,154 99,756 118,033 96,998 109,661 84,878 84,615 100,699 102,075 89,256 79,828

102,513 93,000 81,586 86,139 88,421 103,349 94,062 123,944 89,922 103,349 111,207 110,092 109,091 109,312 86,842

98,969 125,243 82,286 77,885 106,077 107,834 92,978 137,799 97,215 96,682 114,286 91,685 80,335 126,18 121,030

94,309 96,124 110,723 133,330 102,857 101,695 109,577 70,073 93,888 118,782 121,659 91,106 98,182 97,704 82,051 120,000

98,901 90,452 82,234 105,682 111,962 122,034 104,232 103,981 80,798 76,726 105,069 86,652 89,593 109,544 91,139

98,901 102,771 103,553 78,474 97,059 106,077 93,750 100,478 64,706 91,371 87,472 89,474 83,596 98,319 103,361

93,048 106,599 91,837 85,014 120,000 97,035 104,464 92,523 77,805 93,023 99,346 92,517 108,370 79,503 108,387

102,857 70,051 108,527 104,348 133,333 82,759 110,526 96,912 77,805 107,087 98,488 97,297 117,647 125,523 57,391

129,231 125,831 94,737 99,732 106,329 84,156 111,258 111,111 96,373 92,784 107,234 111,565 93,506 92,500 104,464

Media 104,386 medial IVE 103,71

95,501

106,474

98,099

99,522

103,766

109,471

97,267

93,291

96,632

99,370 104,054

94,88

105,78

97,46

98,88

103,09

108,76

96,64

92,69

96,00

98,73

103,38

IVE: índice de variación estacional; UCI: Unidad de Cuidados Intensivos.

ción15. Probablemente hubiera sido más adecuado emplear el modelo de expectativas adaptables, en que la expectativa de ingresos se podría actualizar en relación con el valor real de la variable en el último período analizado (uno o dos años anteriores); sin embargo, es posible que no tuviésemos la información previa exigible (la demanda debería ser entonces fija y estable) para establecer la hipótesis auxiliar de formación de expectativas según las recomendaciones de Johnston15. Por estas razones, hemos preferido emplear el método de análisis de series temporales por la razón a las medias móviles, que es extremadamente sencillo, y nos permite aproximarnos con bastante exactitud a la previsión de la demanda de los servicios que estamos considerando. Los métodos de previsión habitualmente en uso, se dividen en dos grandes grupos, los cualitativos y los

cuantitativos19; estos últimos pretenden conocer los componentes subyacentes de una serie y su forma de integración, con objeto de realizar previsiones de futuro. Se suelen emplear cuando se dispone de información de lo que ha pasado antes con el fenómeno en estudio; dentro de ellos, los más empleados son los métodos univariantes, fundamentalmente tres, el método de descomposición, el de alisado exponencial, y el ARIMA (autorregresión integrada con “móvil average”) univariante. Con el método de descomposición se puede analizar la tendencia que refleja las variaciones a largo plazo. Los métodos ARIMA (popularizados desde los años 70, por Box y Jenkins20, hasta tal punto que se han hecho prácticamente sinónimos), tienen como finalidad última la predicción, sobre todo a corto plazo, en series largas (no se puede utilizar si hay menos de 60 observacio-

TABLA 4. Serie desestacionalizada de ocupación de la UCI durante el período estudiado Año

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97

106,916 100,489 102,894 123,134 89,133 101,716 100,416 132,102 99,231 108,886 103,250 128,590 137,634 101,030 148,681

69,988 89,299 74,370 120,908 89,478 121,039 99,619 114,220 170,635 123,612 115,578 104,949 104,762 114,307 129,043

100,059 105,138 104,101 98,110 83,978 103,492 110,594 103,966 177,842 97,297 131,153 114,729 114,635 153,143 119,715

106,007 86,138 96,281 101,573 83,039 93,520 107,179 101,033 78,689 66,725 100,434 110,635 116,100 71,981 58,618

108,050 109,326 111,030 76,642 121,201 116,048 104,663 76,029 76,656 110,193 130,626 97,283 97,105 106,126 89,532

101,299 111,848 90,329 88,538 107,729 92,045 76,298 149,937 68,445 104,460 78,238 86,327 75,446 86,640 103,314

89,143 109,595 101,911 121,101 90,040 99,808 100,122 84,507 83,829 132,843 123,605 67,176 87,134 77,542 95,496 86,239

109,45

114,53

91,90

102,03

94,73

103,35

91,62

108,74

113,79

91,30

101,37

94,11

102,68

91,02

Media 112,47 medial IVE 111,74

IVE: índice de variación estacional; UCI: Unidad de Cuidados Intensivos.

4

Agosto

Septiembre

Octubre

Noviembre

Diciembre

124,855 93,844 89,648 96,565 114,313 100,985 110,739 97,349 82,759 122,177 86,557 95,402 84,625 79,551 71,767

87,134 87,969 111,052 97,357 150,000 76,821 101,859 99,158 55,409 91,139 98,683 105,747 128,071 113,265 80,904

115,960 126,981 111,216 127,358 103,793 97,055 92,799 107,843 86,285 96,680 76,766 107,659 87,386 121,137 98,840

86,17

96,74

98,97

103,85

85,62

96,12

98,33

103,18

85,106 94,737 106,835 87,542 103,492 87,867 95,549 66,320 89,684 91,788 84,699 111,142 104,643 91,475 87,479 98,749 97,415 66,225 57,325 73,365 120,102 88,138 86,577 79,356 75,125 82,621 108,771 98,048 71,472 75,235

J.A. RUEDA CUENCA– ANÁLISIS DE LA SERIE TEMPORAL DE INGRESOS EN UNA UCI

140 120 100 Ocupación

80

IVE ing 60

IVE oc

40

Ingresos

20 0 Junio Agosto Octubre Diciembre Febrero Abril Marzo Julio Septiembre Noviembre Mayo Enero Fig. 1. Media de ingresos, media de índices de ocupación e índices de variación estacional de ambos parámetros a lo largo de los meses del año. IVE oc: índice de variación estacional de ocupación; IVE ing: índice de variación estacional de ingresos.

nes), no suelen indicar ninguna solución, por incluir casi siempre una cierta dosis de ambigüedad que impide proponer una solución única. Además, la complejidad de cálculo es mucho mayor en el modelo ARIMA que en el de descomposición, y nuestra intención en el presente artículo, es divulgar en lo posible un método sencillo, asequible, y fiable. Hemos preferido estudiar el concepto ingreso como exponente externo de la demanda de asistencia. El paciente se ingresa o no en la UCI dependiendo, fundamentalmente, de la gravedad del cuadro clínico, y de la disponibilidad de camas. Para el presente análisis, otros indicadores como la estancia media no resultan tan representativos, ya que suelen estar mejor relacionados con la severidad y evolución del proceso, y no tanto con la decisión de admitir o no al paciente. Sin embargo, uno de los factores que influyen de modo determinante en la decisión es la ocupación; cuando la unidad está llena, se suele ser mucho más restrictivo, y se tiende a optimizar los recursos, lo que se acepta casi universalmente21-23. Precisamente por ese motivo, hemos empleado la regresión lineal para valorar la asociación existente en cada momento entre ingreso y ocupación. El propósito de nuestro estudio era valorar la tendencia de los ingresos, siendo, por tanto, la ocupación una consecuencia de éstos; sin duda, se podría haber hecho el planteamiento inverso, tomando la ocupación como variable independiente y los ingresos como variable dependiente, dado que el análisis de regresión admite un tratamiento simétrico16. El modelo de regresión para la estimación de la tendencia permite especificar un modelo que descompone la variable en estudio en la suma de una constante (27,26), una tendencia determinista lineal (2,10) y un término aleatorio (0,02) que se supone que fluctúa de modo aleatorio alrededor del cero, y cuyos paráme-

tros dan lugar a los estimadores de la tendencia16; algunos autores consideran este último término de la ecuación como despreciable16.

De los resultados La UCI del Hospital General Universitario de Elche es de carácter polivalente, aunque recibe relativamente pocos enfermos quirúrgicos. Estaba dotada “oficialmente” de seis camas, en la práctica, los picos de presión asistencial se resolvían ocupando camas del vecino Servicio de Anestesiologia y Reanimación, de forma que el total de camas “disponibles” era de doce. Esto ha dado lugar a una discrepancia tradicional: los recursos se asignan a la unidad en base a seis camas de dotación, cuando están llenas, los enfermos siguientes se ingresan en el Servicio de Reanimación, que también tiene asignados recursos para seis camas; la ocupación de este servicio casi nunca podía ser del 100% por estar muy frecuentemente “invadida” por enfermos de UCI, que así veía su índice de ocupación sobredimensionado, al establecer el cálculo sobre seis camas, y no sobre las que realmente utilizaba según las necesidades. Desde mayo de 1996, dispone de ocho camas reales y nueve teóricas, esta vez se han asignado los recursos de forma inversa; dotada para nueve camas, sólo tiene ocho funcionantes, aún así, ha habido meses en que se ha visto obligada a emplear otra vez camas de reanimación. Sin embargo, esto ha sido mucho menos frecuente que en épocas anteriores, es decir, que el numero de camas asignadas se aproxima más a la demanda real. La ciudad de Elche está situada cerca del mar Mediterráneo, próxima a la villa marinera de Santa Pola, núcleo turístico por excelencia, recibiendo du5

MEDICINA INTENSIVA, VOL. 24, NÚM. 1, 2000

rante el verano importante aflujo de visitantes que proceden, sobre todo, del centro de España. Esto supondría que, en época de teóricas vacaciones, la población potencialmente demandante de cuidados intensivos, si considerásemos la demanda como una función continua y estable del valor poblacional crudo, sometería a nuestro hospital a una presión superior a otras épocas; y en invierno, la demanda podría aumentar por presentarse descompensaciones de patologías crónicas. De alguna manera, el análisis de las series viene a confirmar alguna de estas apreciaciones; los meses en que el índice de variación estacional de ingresos supera el valor 100 son enero, marzo, junio, julio y diciembre, lo cual significa que, aunque la media de ingresos en estos meses no es muy diferente de los demás del año, si tiene un cierto carácter estacional, con aumento de la cantidad de ingresos en la UCI, algo semejante a lo que ocurre con la ocupación, cuyo índice de variación estacional supera el valor 100 en los meses de enero, febrero, marzo, mayo, julio y diciembre. La correlación entre ambos índices de variación estacional, de ingresos y de ocupación es baja, pero con valor positivo, 0,278, de forma que el índice de ocupación no parece ser el factor determinante de la demanda de ingresos en la unidad (poco más de la cuarta parte) una vez considerada la estacionalidad, por cuanto que no hay menos ingresos en los meses de mayor ocupación, sino más bien al contrario, como era de esperar, la ocupación aumenta con el número de ingresos.

hospital, el número de camas, la población, el tipo de unidad a desarrollar, etc. Sin embargo, no se suelen tener en cuenta factores externos que influyen también sobre la demanda; por ejemplo, es desconocido si la presión asistencial durante los meses de verano aumenta en los lugares tradicionales de vacaciones y disminuye en las áreas eminentemente productivas (poblaciones industriales), o si aumenta la demanda de ingreso durante los meses fríos en regiones con temperaturas más extremas; de esta manera, y en último extremo, si se confirmaran estas suposiciones, se plantearía la conveniencia de la movilidad de las plantillas, reforzando unas zonas en invierno y otras en verano. Conociendo las previsiones de la tendencia se podría racionalizar la asignación de recursos. Es innegable que los resultados de este trabajo no son, con casi toda probabilidad, extrapolables a otros centros; sin embargo, hemos tratado de probar que existen otras herramientas, no empleadas habitualmente en el ámbito de la medicina, para estimar en un momento determinado las necesidades asistenciales en una zona concreta, que pueden ayudar a tomar decisiones sobre el número de camas a asignar a un servicio, cómo ubicar los enfermos, adscribir el personal, etc. La facilidad del método, al alcance de cualquiera con unos mínimos conocimientos de estadística y econometría, permite su divulgación y constituye otro dato más a tener en cuenta por los gestores y organizadores. Existen otros métodos que tal vez se aproximen más a la tendencia real, pero son mucho más complejos que el que hemos presentado en el presente estudio.

Del estudio Las UCI son importantes centros de coste dentro de la estructura hospitalaria; consumen gran cantidad de recursos y ello es bien conocido por los intensivistas quienes, por lo común, tienen clara conciencia de su responsabilidad social; con frecuencia, el especialista se ve obligado a tomar decisiones que enfrentan valores éticos con aspectos económicos24,25. Así, desde hace muchos años se vienen empleado métodos para valorar la gravedad del paciente, en un intento de adquirir capacidad predictiva sobre el desenlace de la enfermedad26, conscientes de la necesidad de ajustar los recursos disponibles a la demanda presente27. Los crecientes e incesantes avances tecnológicos permiten ofrecer a los pacientes métodos cada vez más fiables y seguros, tanto para el diagnóstico, como para el tratamiento, que están obligando a dotar más y mejor a las camas de la UCI28. Pero ¿cuál es la vía más eficiente para maximizar la calidad de la asistencia y al tiempo minimizar los costes? Se han propuesto numerosos modelos29,30 que no son fáciles de aplicar en nuestro entorno actual (cobertura sanitaria universal y gratuita); a la hora de asignar el número de camas a una unidad, o conformar la plantilla de personal sanitario, o de distribuir las cargas de trabajo, se emplean fórmulas más o menos establecidas que tienen en consideración aspectos tales como la dimensión del 6

BIBLIOGRAFÍA 1. Lázaro de Mercado P. Métodos de investigación en cardiología (VIII). Evaluación socioeconómica de la práctica clínica cardiológica. Rev Esp Cardiol 1997; 50: 4.228-4.443. 2. Vincenzino JV. Trends in medical care cost revisited. Stat Bull Metrop Insur Co 1997; 78: 10-16. 3. Reis Miranda D. ICUs in Europe. En: Reis Miranda D. Langrehr D, eds. The ICU - a cost-benefit analysis. Elsevier Science Pub. B.V., 1986; 207-219. 4. Zimmerman JE, Shortell SM, Rousseau DM, Duffy J, Gillies RR, Kraus WA, et al. Improving intensive care: observations based on organizational case studies in nine intensive care units: A prospective, multicenter study. Crit Care Med 1993, 21: 1.4431.452. 5. Schwartz SRN, Cullen DJ. How many intensive care beds does your hospital need? Crit Care Med 1981; 9: 625-629. 6. Williams SV. How many intensive care beds are enough? Crit Care Med 1983; 11: 421-426. 7. Singer DE, Carr PL, Mulley AG, Thibault GE. Rationing intensive care. Physicians responses to a resource shortage. N Engl J Med 1986; 279: 190-195. 8. Knaus W.A, Zimmermann JE, Wagner DP, Draper EA, Lawrence DE. APACHE (Acute Physiology and Chronic Health Evaluation): a physiologically based classification system. Crit Care Med 1981; 9: 591-596. 9. Knaus WA, Draper EA, Wagner DP, Zimmermann JE. APACHE II: A severity of disease classification system. Crit Care Med. 1.985; 13: 519-525. 10. Knaus WA, Wagner DP, Draper EA, Zimmerman JE, Bergner M, Bastos PG. The APACHE III prognosis system. Risk prediction of hospital mortality for critically ill hospitalized adults. Chest 1991; 100: 1.619-1.636.

J.A. RUEDA CUENCA– ANÁLISIS DE LA SERIE TEMPORAL DE INGRESOS EN UNA UCI

11. Le Gall JR, Loirat P, Alpervitch A. Simplified acute physiology score for intensive care patients. Crit Care Med 1984; 121: 975-977. 12. Le Gall JR, Lemeshow J, Saulnier F. A new Simplified Acute Physiology Score (SAPS II) based on a European/North American multicenter study. JAMA, 1993; 270: 2.957-2.963. 13. Oberender P. Managed care. Economic evaluation. Necessity, possibilities and limits. Fortschr Med 1997, 115: 38-40. 14. Kesteloot K. The role of economic analysis in health care. Verh K Acad Geneeskd Belg 1994; 56: 191-202. 15. Johnston J. Métodos de econometría. Barcelona: Ed.esp. Vicens Vives, 1989. 16. Novales Cinca A. Estadística y Econometría. Madrid: Mc Graw Hill, 1987. 17. Trigo de Aizpuru MA. La previsión del futuro en la empresa. Madrid: Ministerio de Industria y Energía, 1987. 18. Ginestal RJ, López JJ. Estructura, dotación y organización de las Unidades de Cuidados Intensivos. En: Ginestal RJ, López JJ, eds. Libro de Texto de Cuidados Intensivos. Madrid: Ed. ELA, 1981. 19. Uriel E. Análisis de series temporales. Modelos ARIMA. Valencia: Ed. Paraninfo, 1992. 20. Box GEP, Jenkins GM. Time serie analysis. Forecasting and control (2ª. ed.). San Francisco: Ed. Holden Day, 1976. 21. Singer DE, Carr PL, Mulley AG, Thibault GE. Rationing intensive care. Physician responses to a resource shortage. N Engl J Med 1983; 309: 1.155-1.160.

22. Strauss MJ, LoGerfo JP, Yeltatzie JA, Temkin N, Hudson LD. Rationing of intensive care unit services. JAMA 1986; 255: 1.143-1.146. 23. Selker HP, Griffith JL, Dorey FJ, D’Agostino RB. How do physicians adapt when the coronary care unit is full? JAMA 1987; 257: 1.181-1.185. 24. Luce JM. Ethical principles in critical care. JAMA 1990; 263: 696-700. 25. Luce JM. Conflicts over ethical principles in the intensive care unit. Crit Care Med 1992; 20: 313-315. 26. Wagner DP, Knaus, WA, Harrell FE, Zimmerman JE, Watts C. Daily prognostic stimates for critically ill adults in intensive care unit: Results from a prospective, multicenter inception cohort analysis. Crit Care Med 1994; 22: 1.359-1.370. 27. Lanken PN, Terry PB, Osborne ML. Ethics of allocating intensive care unit resources. New Horiz 1997; 5: 38-50. 28. Zimmerman JE, Wagner DP, Draper EA, Knaus WA. Improving intensive care unit discharge decisions: Supplementing physician judgement with predictions of next day risk for life support. Crit Care Med 1994; 22: 1.373-1.382. 29. Asadi MJ, Baltz WA. Activity-based costing for clinical paths. An example to improve clinical cost and efficiency. J Soc Health Syst 1996; 5: 1-7. 30. Jefferson T, Mugford M, Gray A, DeMicheli V. An exercise on the feasibility of carrying out secondary economic analyses. Health Econ 1996; 5: 155-165.

7